机器视觉原理与应用

本书内容翔实、实例丰富,注重理论与实践相结合,不仅可以作为本科生和研究生的教材或参考书,而且可以作为机器视觉爱好者入门与提高的参考书。

本书是机器视觉原理与应用的基础性教材，使用OpenCV、Python与MATLAB实现涉及的各种机器视觉算法。通过本书的学习，读者能理解并掌握机器视觉的原理和应用。本书注重理论与实践的结合，共13章，分别是机器视觉理论简介、机器视觉数学基础、机器视觉编程基础、机器视觉测量系统、视觉图像基础、基于OpenCV和Python的图像预处理、图像的特征提取、视觉动态纹理识别、图像配准、立体视觉、主动轮廓与跟踪运动、聚类分析及随机配置网络。
本书内容翔实、实例丰富，注重理论与实践相结合，不仅可以作为本科生和研究生的教材或参考书，而且可以作为机器视觉爱好者入门与提高的参考书。

高等院校教师

前言
第1章 机器视觉理论简介
1.1 机器视觉简介
1.2 机器视觉的发展
1.3 Marr视觉计算理论
1.4 深度学习
1.5 机器视觉的研究内容及面临的问题
1.6 机器视觉的应用
思考与练习
第2章 机器视觉数学基础
2.1 线性空间
2.2 内积空间
2.3 矩阵的因子分解
2.4 稠密及其完备性
2.5 向量范数
2.6 矩阵范数
2.7 矩阵扰动分析
2.8 广义逆矩阵
思考与练习
第3章 机器视觉编程基础
3.1 Python安装及环境搭建
3.2 Python编译器
3.3 Python数据类型
3.4 变量与常量
3.5 运算符
3.6 选择与循环
3.7 列表与元组
3.8 NumPy数组
3.9 字典
3.10 函数
3.11 面向对象的编程
3.12 Python调用MATLAB程序
思考与练习
第4章 机器视觉测量系统
4.1 工业相机
4.2 镜头
4.3 光源
4.4 图像采集卡
4.5 数据通信接口
思考与练习
第5章 视觉图像基础
5.1 视觉图像的产生
5.2 图像的表示和可视化
5.3 像素间的关系
5.4 图像品质评价
5.5 图像处理
5.6 图像的频域变换
思考与练习
第6章 基于OpenCV和Python的图像预处理
6.1 图像增强
6.2 阈值处理及图像滤波
6.3 图像的代数运算
6.4 二值图像的几何性质与操作
6.5 基于OpenCV和Python的机器视觉
思考与练习
第7章 图像的特征提取
7.1 点检测
7.2 边缘检测
7.3 边缘轮廓检测
7.4 Hough（霍夫）变换
思考与练习
第8章 视觉动态纹理识别
8.1 纹理描述
8.2 纹理特征
8.3 动态纹理识别
思考与练习
第9章 图像配准
9.1 图像配准概述
9.2 空间几何变换
9.3 基于灰度的图像配准
9.4 基于特征的图像配准
9.5 快速匹配算法
9.6 亚像素超分优化匹配技术
9.7 OpenCV实现超像素细分
思考与练习
第10章 立体视觉
10.1 坐标系间的变换关系
10.2 摄像机成像模型
10.3 工业相机标定方法
10.4 双目视觉测量数学模型
10.5 立体匹配方法与极限约束
10.6 双目视觉测量系统标定
10.7 双目重构
10.8 双目融合全局算法
思考与练习
第11章 主动轮廓与跟踪运动
11.1 主动轮廓模型
11.2 弹性形状模型
11.3 高斯混合模型
11.4 跟踪运行特征
11.5 基于视觉的运动特征提取与描述
思考与练习
第12章 聚类分析
12.1 K-Means聚类
12.2 FCM聚类
12.3 SCM聚类
思考与练习
第13章 随机配置网络
13.1 随机配置网络基础
13.2 鲁棒随机配置网络原理
13.3 鲁棒随机配置网络应用
13.4 基于随机配置网络的PET油瓶智能识别
思考与练习
参考文献